Создан заказ №3275013
27 октября 2018
Условие задачи Известны статистические данные по 36 строительным бригадам
Как заказчик описал требования к работе:
Необходимо решить задачу под вариантом 17 в разделе Эконометрика (со стр. 16). Файл методичкой и задачей во вложении. Условия задачи на странице 29. Сама задача на 42
Фрагмент выполненной работы:
Условие задачи:
Известны статистические данные по 36 строительным бригадам. Необходимо выяснить влияние различных факторов на величину накладных расходов в строительстве. Известно, что к накладным расходам относятся административно-хозяйственные, коммунальные расходы, дополнительная заработная плата и другие расходы. На качественном уровне выявлено, что фактический уровень накладных расходов оказался наиболее тесно связан со следующими факторами: объемом выполненных работ, численностью рабочих, занятых на строительно-монтажных работах, фондом заработной платы. (работа была выполнена специалистами author24.ru) Остальные факторы были признаны незначимыми.
На осносвании имеющихся данных необходимо при помощи использования функций Excel :
1. Рассчитать параметры Провести полный анализ полученного уравнения регрессионной связи.
К числу рассчитываемых и анализируемых параметров относятся:
а) коэффициенты регрессии (и их значимость);
б) коэффициент корреляции (и его значимость);
в) коэффициент детерминации;
г) стандартные ошибки коэффициентов регрессии;
д) доверительные интервалы для коэффициентов регрессии;
е) величины общей, объясненной и остаточной дисперсии.
2. На основании реальных и расчетных значений накладных расходов построить графики и сравнить их.
Статистические данные по исследуемым показателям приведены в таблице:
Таблица 1 – Исходные данные
№ Накладные расходы (руб.) Объем работ (куб.м) Численность рабочих (чел.) Фонд заработной платы (руб.)
1 75975 212 5 27553
2 127974 367 9 43139
3 87911 259 7 38199
4 57046 140 3 22360
5 142686 421 11 65836
6 105162 302 9 42439
7 81850 212 7 32710
8 104924 259 9 31923
9 57212 159 5 19896
10 125582 332 9 49474
11 136184 396 10 56056
12 102960 294 8 41069
13 189837 590 16 78504
14 164574 435 12 50563
15 121343 328 10 40761
16 168863 533 12 65675
17 102554 284 9 38727
18 56704 140 4 21658
19 51229 141 4 16687
20 69737 199 7 33304
21 81163 247 7 31416
22 63143 188 5 21379
23 87374 236 8 29521
24 101990 285 7 41094
25 152038 395 10 56641
26 71329 215 6 33081
27 120769 350 8 47466
28 68788 206 5 25460
29 101509 306 9 36926
30 84107 250 6 30479
31 89981 230 7 31172
32 68701 202 7 28759
33 87911 259 7 38199
34 57046 140 3 22360
35 142686 421 11 65836
36 105162 302 9 42439
Решение:
1.
а) Оценивается парная линейная регрессия на , задаваемая равнением
В результате выполнения регрессионного анализа в пакете Excel получены оценки и и их -значения:
296862521399500123126521399500
Без проверки значимости коэффициентов и регрессии было бы записано в следующем виде:
Однако необходимо проверить, все или из включенных в уравнение параметров действительно оказывают влияние на .
Для коэффициента вероятность его не влияния на равна 0 (0%), что меньше порогового значения в 5%, поэтому коэффициент признается значимым и оставляется в модели.
Для коэффициента вероятность его не влияния на равна 0,144 (14,4%) больше порогового значения в 5%, поэтому коэффициент признается незначимым и и должен быть удален из модели.
Для коэффициента вероятность его не влияния на равна 0,8969 (89,69%), что больше порогового значения в 5% поэтому коэффициент признается незначимым и должен быть удален из модели.
Для коэффициента вероятность его не влияния на равна 0,0448 (4,48%), что меньше порогового значения в 5%, поэтому коэффициент признается значимым и оставляется в модели.
В первую очередь из модели будет исключена переменная , поскольку вероятность ее не влияния на , определяемая соответствующим ей коэффициентом выше, чем для переменной . После этого процедура регрессионного анализа проводится заново, для чего в опции Сервис – Анализ данных – Регрессия в строке «Входной интервал» задается уже не 3 столбца данных, а два – соответствующий только переменным и . По полученным коэффициентам вновь оценивается значимость коэффициентов регрессии.
На втором этапе полученные результаты могут иметь следующие значения:
Видно, что для коэффициента вероятность его не влияния на равна 0,13,77 (13,77%) больше порогового значения в 5%, поэтому коэффициент признается незначимым и должен быть удален из модели. Новые результаты будут выглядеть так:
Окончательное уравнение регрессии запишется в виде: .
б) В результате выполнения регрессионного анализа в пакете Excel получено значение и значимости :
Множественный - 0,983>0,7
Значимость - 0<0,05- вероятность незначимости (недостоверности) ниже по сравнению с пороговым значением 5%, значит, количество наблюдений достаточно.
в) Коэффициент детерминации рассчитывается следующим образом:
Значения , и выдаются в качестве результатов выполнения регрессионного анализа в Excel в таблице «Дисперсионный анализ»
Дисперсионный анализ
SS
Регрессия 42475256442,22 RSS (объясн)
Остаток 1476556337,78 ESS (остат)
Итого 43951812780,00 TSS (общая)
Коэффициент детерминации можно рассчитать также как квадрат коэффициента корреляции...Посмотреть предложения по расчету стоимости
Заказчик
заплатил
заплатил
200 ₽
Заказчик не использовал рассрочку
Гарантия сервиса
Автор24
Автор24
20 дней
Заказчик принял работу без использования гарантии
28 октября 2018
Заказ завершен, заказчик получил финальный файл с работой
5
Условие задачи
Известны статистические данные по 36 строительным бригадам.docx
2021-03-14 15:57
Последний отзыв студента о бирже Автор24
Общая оценка
4.8
Положительно
Спасибо большое! Работу выполнили в срок ,набрала из 100 баллов ,90.отличный результат.благодарю
Хочешь такую же работу?
300 ₽
